Картографическое отображение · конспект 14 из 23 · Одномерные тематические карты

Анаморфозы

О чём эта тема
Карта, на которой площадь страны пропорциональна её населению или ВВП. Разбираемся, как устроены разрывные анаморфозы и анаморфозы Дорлинга, чем они сильны и почему их легко неправильно прочитать.
Коротко о главном
  • Анаморфоза (англ. cartogram) — карта, на которой площади территориальных единиц сделаны пропорциональными значению показателя: сама картографическая основа становится условным знаком. Не путать с картограммой (англ. choropleth)!
  • Виды площадных анаморфоз: непрерывная (соседи соединены, формы сильно искажены), разрывная (формы сохранены, единицы разнесены) и анаморфоза Дорлинга (каждая единица — круг).
  • Площадь должна расти пропорционально значению, поэтому линейный размер меняют пропорционально квадратному корню; масштабируют в равновеликой проекции.
  • Анаморфозы зрелищны и хорошо работают для данных о людях с сильными и неожиданными контрастами. Но площади люди оценивают плохо, и числа с анаморфозы не считываются.
  • Помогают подложка из обычной карты, классификация (один класс — одна площадь), подписи и пояснение, что искажения сделаны намеренно.
Время
20 минут + практика

Ключевые термины

Конспект

Что такое анаморфоза

На обычной карте площадь страны определяется её территорией. На площадной анаморфозе площадь «переназначена» тематическому показателю: чем больше жителей (долларов, голосов), тем крупнее страна. Основа карты работает дважды — и как география, и как условный знак, — поэтому место на карте остаётся для других данных (например, цветом можно добавить второй показатель).

Ловушка терминовАнглийское cartogram — это русская анаморфоза. Английское choropleth map — русская картограмма. Слово «картограмма» для анаморфозы — грубая ошибка перевода.
Разрывная анаморфоза Азии по численности населения
Разрывная анаморфоза: площади стран Азии и Океании пропорциональны численности населения. Австралия сжалась, Индия и Китай почти сохранили размер.

Три вида площадных анаморфоз

ВидФорма единицСоседство (топология)ПоложениеКак строят
Непрерывнаясильно искажаетсясохраняетсяпримерно сохраняетсясложные алгоритмы «перетекания» площадей (например, метод Гастнера — Ньюмана, 2004)
Разрывная (по Олсон)сохраняетсятеряется: единицы разнесенысохраняетсякаждая единица масштабируется относительно своего центра — просто!
Анаморфоза Дорлингатеряется: все единицы — кругичастичноприблизительнокруги ∝ значению + «расталкивание» перекрывающихся кругов
ПравилоЛюбая анаморфоза чем-то жертвует: формой, топологией или и тем и другим. Авторы руководства предпочитают разрывные анаморфозы: знакомые очертания стран остаются узнаваемыми.

Как рассчитать разрывную анаморфозу

Нужно, чтобы новая площадь A′ была пропорциональна значению V. Чтобы единицы не налезали друг на друга, их только уменьшают, а в натуральную величину оставляют «якорь» — единицу с наибольшей плотностью V/A. Тогда линейный масштаб каждой единицы

k = √( (V/A) / max(V/A) ),   а новая площадь A′ = k² · A ∝ V.

Типичная ошибкаМенять линейный размер пропорционально самому значению (k ∝ V), забыв про корень. Площадь растёт как квадрат линейного размера, и различия окажутся чудовищно преувеличены. И ещё: масштабировать нужно в равновеликой проекции — иначе исходные площади уже искажены.
Интерактив: от обычной карты к анаморфозе

Проекция Equal Earth (равновеликая). Данные Natural Earth: население и ВВП (млн долл.) по странам. Наведите курсор на страну или круг.

Анаморфоза с классификацией и без неё

В обычной анаморфозе площадь меняется непрерывно — у каждой страны своя. В анаморфозе с классификацией значения сначала группируют в классы, и каждому классу назначают одну площадь. Различий в размерах всего несколько, и они крупные; две страны разной формы, но из одного класса получают одинаковую площадь — а значит, их легче признать «равными».

Анаморфоза штатов США по населению поверх обычной карты
Штаты США по численности населения: светлые фигуры — анаморфоза, тёмные — обычная карта-подложка. Сравнивая их, читатель видит, какие штаты «сжались».

Ограничения и решения

ОграничениеЧто делать
Если читатель не знает, как территории должны выглядеть, искажения его не удивят: у него нет мысленной карты для сравнения.Показать под анаморфозой обычную карту-подложку (рисунок выше, рецепт 1, флажок в интерактиве).
Люди плохо оценивают площади, особенно у фигур сложной и разной формы; равные по площади фигуры кажутся неравными.Классифицировать данные (один класс — одна площадь), подписать значения, приложить таблицу.
Карту могут счесть «неправильной», не поняв, что искажения намеренные.Прямо сказать об этом в названии или подзаголовке: «площадь страны пропорциональна населению».
Когда анаморфоза уместнаКогда в данных есть сильные и неожиданные контрасты: маленькие страны становятся большими, большие — маленькими. Лучше всего — данные о людях: население, богатство, потребление. Если читателю важно считывать числа, выберите пропорциональные значки, точечный способ или картограмму.
В отечественной традицииВ русской литературе (А. М. Берлянт, В. С. Тикунов) анаморфозами называют производные картографические изображения, на которых масштаб площадей или расстояний изменён в зависимости от значения показателя. Кроме площадных, бывают анаморфозы расстояний — например, карты, где удалённость пунктов от центра пропорциональна времени поездки. Английское cartogram переводится именно как «анаморфоза»: слово «картограмма» в русской терминологии (ГОСТ 21667-76) закреплено за способом, который по-английски называется choropleth.

Делаем на Python (folium)

Разрывную анаморфозу можно построить в несколько строк: shapely.affinity.scale масштабирует каждый полигон относительно его центра. Важная деталь: страну масштабируем по частям (материк, острова — каждый относительно своего центра), иначе, например, Франция «уплывёт» в Атлантику — к общему центру тяжести с Французской Гвианой. Масштабирование выполняем в равновеликой проекции и только потом переводим результат в градусы для веб-карты.

Рецепт 1 Разрывная анаморфоза Европы по населению

«Якорь» — Нидерланды (самая высокая плотность населения в Европе), остальные страны уменьшены. Пунктирная подложка — решение «ограничения № 1». Обратите внимание на Россию: центр её материковой части лежит в Сибири, туда она и «сжалась».

python/примеры/cartograms/01_olson_europe.pyскачать .py
# screenshot: 1000x620
"""Разрывная анаморфоза (по Олсон): страны Европы, площадь ∝ численности населения.

Идея: страну с самой высокой плотностью населения оставляем как есть,
остальные уменьшаем относительно их центров. Если площадь должна быть
пропорциональна населению, то линейный масштаб k = √(плотность / макс. плотность).
Масштабируем в равновеликой проекции (EPSG:3035), а под анаморфозой
оставляем серые контуры настоящих границ — так читателю есть с чем сравнить.
"""
import sys
from pathlib import Path

import folium
import geopandas as gpd
import numpy as np
from shapely.affinity import scale
from shapely.geometry import MultiPolygon

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
from maptools import add_html, add_title, fmt, plain_attribution

DATA = Path(__file__).resolve().parents[2] / "data"
world = gpd.read_file(DATA / "countries.geojson")
europe_4326 = world[world["continent"] == "Europe"]   # исходные границы — для подложки
europe = europe_4326.to_crs(3035)


def shrink(geom, k):
    """Уменьшаем каждую часть страны (материк, острова) относительно её собственного центра."""
    parts = geom.geoms if geom.geom_type == "MultiPolygon" else [geom]
    return MultiPolygon([scale(p, xfact=k, yfact=k, origin="centroid") for p in parts])


density = europe["pop_est"] / europe["area_km2"]
europe["k"] = np.sqrt(density / density.max())          # линейный масштаб, 0…1
cartogram = europe.assign(geometry=[shrink(g, k) for g, k in zip(europe.geometry, europe["k"])])

print("Якорь (k = 1):", europe.loc[europe["k"].idxmax(), "name_ru"])
for r in europe.sort_values("k").head(4).itertuples():
    print(f"  {r.name_ru:<12} k = {r.k:.2f} → площадь {100 * r.k ** 2:.1f} % от настоящей")

m = folium.Map(location=[56, 38], zoom_start=3, tiles="Esri.WorldGrayCanvas")
folium.GeoJson(  # подложка: настоящие границы
    europe_4326[["geometry"]],
    style_function=lambda f: {"color": "#8a8a8a", "weight": 1, "dashArray": "3 3", "fillOpacity": 0},
).add_to(m)
cartogram["pop_mln"] = (cartogram["pop_est"] / 1e6).round(1)
cartogram["k_pct"] = (100 * cartogram["k"] ** 2).round(1)
folium.GeoJson(
    cartogram.to_crs(4326)[["name_ru", "pop_mln", "k_pct", "geometry"]],
    style_function=lambda f: {"fillColor": "#3f6e9e", "color": "white", "weight": 0.8, "fillOpacity": 0.9},
    tooltip=folium.GeoJsonTooltip(["name_ru", "pop_mln", "k_pct"],
                                  aliases=["Страна", "Население, млн", "Площадь, % от настоящей"]),
).add_to(m)

add_html(m, '<b>Как читать</b><br>площадь страны ∝ населению<br>'
            '<span style="color:#666">пунктир — настоящие границы</span>', position="bottomleft")
add_title(m, "Население Европы: разрывная анаморфоза",
          f"Нидерланды (плотность {fmt(density.max())} чел./км²) — в натуральную величину")
plain_attribution(m)  # убираем флажок из подписи Leaflet
m.save("01_olson_europe.html")
вывод программы
Якорь (k = 1): Нидерланды
  Исландия     k = 0.09 → площадь 0.8 % от настоящей
  Россия       k = 0.14 → площадь 2.0 % от настоящей
  Норвегия     k = 0.18 → площадь 3.1 % от настоящей
  Финляндия    k = 0.19 → площадь 3.7 % от настоящей
Разрывная анаморфоза: площадь страны ∝ населению, пунктир — настоящие границы
Разрывная анаморфоза: площадь страны ∝ населению, пунктир — настоящие границыоткрыть карту ↗

Рецепт 2 Анаморфоза с классификацией

Справа площадь пропорциональна не населению страны, а среднему значению её класса (groupby(...).transform("mean")). Великобритания, Германия, Франция и Италия стали одного размера — все они в классе «более 50 млн». Класс продублирован цветом, чтобы его было легче узнать.

python/примеры/cartograms/02_classed.pyскачать .py
# screenshot: 1100x560
"""Анаморфоза без классификации (слева) и с классификацией (справа).

Слева площадь каждой страны пропорциональна её населению.
Россию здесь не берём: центр её материковой части — в Сибири, далеко за краем карты.
Справа страны сначала разбиты на 4 класса по численности населения, и площадь
пропорциональна СРЕДНЕМУ значению класса: страны одного класса получают
одинаковую площадь, а для надёжности класс продублирован цветом.
"""
import sys
from pathlib import Path

import folium
import geopandas as gpd
import numpy as np
from folium.plugins import DualMap
from shapely.affinity import scale
from shapely.geometry import MultiPolygon

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
from maptools import add_legend, add_title, plain_attribution

DATA = Path(__file__).resolve().parents[2] / "data"
world = gpd.read_file(DATA / "countries.geojson")
europe_4326 = world[(world["continent"] == "Europe") & (world["iso_a3"] != "RUS")]
europe = europe_4326.to_crs(3035)


def cartogram(gdf, values):
    """Разрывная анаморфоза: площадь ∝ values; страна с наибольшим values/площадь не меняется."""
    dens = values / gdf["area_km2"]
    k = np.sqrt(dens / dens.max())
    geoms = []
    for geom, kk in zip(gdf.geometry, k):
        parts = geom.geoms if geom.geom_type == "MultiPolygon" else [geom]
        geoms.append(MultiPolygon([scale(p, xfact=kk, yfact=kk, origin="centroid") for p in parts]))
    return gdf.assign(geometry=geoms).to_crs(4326)


# 4 класса по численности населения
breaks = [0, 5e6, 15e6, 50e6, 2e8]
labels = ["< 5 млн", "5–15 млн", "15–50 млн", "> 50 млн"]
colors = ["#c6dbef", "#6baed6", "#2171b5", "#08306b"]
europe["cls"] = np.digitize(europe["pop_est"], breaks[1:-1])
class_mean = europe.groupby("cls")["pop_est"].transform("mean")  # среднее значение класса
europe["color"] = [colors[c] for c in europe["cls"]]
print("Средняя численность населения по классам, млн чел.:")
print((europe.groupby("cls")["pop_est"].mean() / 1e6).round(1).set_axis(labels).to_string())

m = DualMap(location=[53, 16], zoom_start=3, tiles="Esri.WorldGrayCanvas")
for target in (m.m1, m.m2):
    folium.GeoJson(europe_4326[["geometry"]],  # подложка — настоящие границы
                   style_function=lambda f: {"color": "#999", "weight": 0.8, "fillOpacity": 0}
                   ).add_to(target)
carto_plain = cartogram(europe, europe["pop_est"])
carto_class = cartogram(europe, class_mean)
folium.GeoJson(carto_plain[["name_ru", "geometry"]],
               style_function=lambda f: {"fillColor": "#3f6e9e", "color": "white", "weight": 0.6,
                                         "fillOpacity": 0.9},
               tooltip=folium.GeoJsonTooltip(["name_ru"], labels=False)).add_to(m.m1)
folium.GeoJson(carto_class[["name_ru", "color", "geometry"]],
               style_function=lambda f: {"fillColor": f["properties"]["color"], "color": "white",
                                         "weight": 0.6, "fillOpacity": 0.95},
               tooltip=folium.GeoJsonTooltip(["name_ru"], labels=False)).add_to(m.m2)

add_title(m.m1, "Без классификации", "площадь ∝ населению страны")
add_title(m.m2, "С классификацией", "площадь ∝ среднему значению класса")
add_legend(m.m2, "Население", colors[::-1], labels[::-1])
plain_attribution(m)  # убираем флажок из подписи Leaflet
m.save("02_classed.html")
вывод программы
Средняя численность населения по классам, млн чел.:
< 5 млн       2.2
5–15 млн      8.4
15–50 млн    33.2
> 50 млн     69.3
Слева — без классификации, справа — 4 класса: в одном классе одинаковая площадь
Слева — без классификации, справа — 4 класса: в одном классе одинаковая площадьоткрыть карту ↗

Рецепт 3 Анаморфоза Дорлинга: мир кругами

Круги строим в равновеликой проекции Equal Earth (EPSG:8857) и несколько сотен раз «расталкиваем» налезающие друг на друга круги, понемногу притягивая каждый к его настоящему месту. Попарные расстояния считаются сразу для всех кругов средствами numpy — без вложенных циклов.

python/примеры/cartograms/03_dorling_world.pyскачать .py
"""Анаморфоза Дорлинга: каждая страна — круг, площадь круга ∝ численности населения.

1) ставим круги в центры стран (в равновеликой проекции Equal Earth, EPSG:8857);
2) несколько сотен раз «расталкиваем» налезающие друг на друга круги,
   слегка притягивая каждый к его настоящему месту.
Под кругами — бледная обычная карта, чтобы было с чем сравнивать.
"""
from pathlib import Path

import geopandas as gpd
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Circle

DATA = Path(__file__).resolve().parents[2] / "data"
world = gpd.read_file(DATA / "countries.geojson")
world = world[world["iso_a3"] != "ATA"].to_crs("EPSG:8857")


def main_center(geom):
    """Центр самой большой части страны (у Франции — Европа, а не Гвиана)."""
    parts = geom.geoms if geom.geom_type == "MultiPolygon" else [geom]
    return max(parts, key=lambda p: p.area).centroid


xy0 = np.array([[c.x, c.y] for c in world.geometry.apply(main_center)])
r = 1_900_000 * np.sqrt(world["pop_est"].to_numpy() / world["pop_est"].max())  # радиус, м

xy = xy0.copy()
for _ in range(400):
    d = xy[:, None, :] - xy[None, :, :]                  # попарные разности координат
    dist = np.hypot(d[..., 0], d[..., 1]) + 1e-6
    overlap = np.clip(r[:, None] + r[None, :] - dist, 0, None)
    np.fill_diagonal(overlap, 0)
    share = r[None, :] / (r[:, None] + r[None, :])        # маленький круг сдвигается сильнее
    xy += 0.5 * (d / dist[..., None] * (overlap * share)[..., None]).sum(axis=1)
    xy += 0.02 * (xy0 - xy)                               # притяжение к настоящему месту
left = np.clip(r[:, None] + r[None, :] - np.hypot(*(xy[:, None] - xy[None, :]).T), 0, None)
np.fill_diagonal(left, 0)
print(f"Стран: {len(world)}; наибольшее оставшееся перекрытие: {left.max() / 1000:.0f} км")

COLORS = {"Africa": "#e3a33b", "Asia": "#d1495b", "Europe": "#2e86ab", "North America": "#6a994e",
          "South America": "#8f5aa8", "Oceania": "#2bb3a6", "Seven seas (open ocean)": "#888888"}
NAMES = {"Africa": "Африка", "Asia": "Азия", "Europe": "Европа", "North America": "Северная Америка",
         "South America": "Южная Америка", "Oceania": "Австралия и Океания"}

SHORT = {"Китайская Народная Республика": "Китай", "Демократическая Республика Конго": "ДР Конго"}

fig, ax = plt.subplots(figsize=(14, 7.4))
world.plot(ax=ax, color="#eeeeee", edgecolor="#cfcfcf", linewidth=0.4)  # подложка
for (x, y), rad, cont, name in zip(xy, r, world["continent"], world["name_ru"]):
    ax.add_patch(Circle((x, y), rad, facecolor=COLORS[cont], edgecolor="white", linewidth=0.6, alpha=0.9))
    label = SHORT.get(name, name)
    size = min(13, rad / (16_000 * len(label)))  # кегль, при котором подпись влезает в круг
    if size >= 5.5:
        ax.text(x, y, label, ha="center", va="center", fontsize=size, color="white")
for cont, name in NAMES.items():
    ax.scatter([], [], s=90, color=COLORS[cont], label=name)
ax.legend(loc="lower left", frameon=False, fontsize=10, title="Площадь круга ∝ населению")
ax.set_axis_off()
ax.set_aspect("equal")
ax.set_title("Население мира: анаморфоза Дорлинга", fontsize=15)
plt.savefig("03_dorling_world.png", dpi=110, bbox_inches="tight")
вывод программы
Стран: 176; наибольшее оставшееся перекрытие: 74 км
Анаморфоза Дорлинга: площадь круга ∝ населению, цвет — часть света
Анаморфоза Дорлинга: площадь круга ∝ населению, цвет — часть света

Проверь себя

Как правильно перевести на русский английский термин cartogram?

  1. Картограмма
  2. Картодиаграмма
  3. Анаморфоза
  4. Хороплет
Cartogram — анаморфоза. Картограмма — это choropleth map, картодиаграмма — значки (диаграммы), привязанные к территориальным единицам.

Население страны А в 4 раза больше, чем страны Б, при одинаковой площади. Во сколько раз линейные размеры А больше, чем Б, на анаморфозе?

  1. В 4 раза
  2. В 2 раза
  3. В 16 раз
  4. Одинаковы
Площадь должна быть больше в 4 раза, а площадь растёт как квадрат линейного размера: √4 = 2.

Что сохраняет разрывная анаморфоза и чем она жертвует?

  1. Сохраняет соседство, жертвует формой
  2. Сохраняет и форму, и соседство
  3. Жертвует и формой, и положением
  4. Сохраняет форму и положение, жертвует соседством
Каждая единица уменьшается относительно своего центра: форма и место те же, но между соседями появляются разрывы.

Что посоветовать, если читатели не замечают, насколько анаморфоза отличается от обычной карты?

  1. Показать под анаморфозой обычную карту-подложку
  2. Перейти на проекцию Меркатора
  3. Раскрасить страны случайными цветами
  4. Увеличить все страны в 2 раза
Без мысленной карты не с чем сравнивать. Подложка с настоящими границами даёт это сравнение прямо на карте.

Зачем нужна анаморфоза с классификацией?

  1. Чтобы карта была точнее
  2. Чтобы не считать квадратный корень
  3. Страны одного класса получают одинаковую площадь — их легче сравнивать, ведь площади разной формы мы оцениваем плохо
  4. Чтобы сохранить соседство стран
Классификация жертвует точностью ради читаемости: различий в размерах мало, и они крупные.

Для каких данных анаморфоза особенно уместна?

  1. Для точного считывания значений
  2. Для показателей о людях с сильными и неожиданными контрастами между территориями
  3. Для данных без привязки к территориальным единицам
  4. Для качественных (номинальных) данных
Анаморфоза особенно наглядна, когда маленькие территории становятся большими и наоборот. Числа с неё не считываются.

Практическое задание

Постройте две разрывные анаморфозы стран Африки — по численности населения и по ВВП (gdp_md; не забудьте умножать на 1e6, а не на целое число) — и покажите их на DualMap с подложкой из настоящих границ. Какие страны на анаморфозе ВВП «выросли» по сравнению с анаморфозой населения, а какие «сжались»? Ответьте в двух-трёх предложениях.

  • Масштабирование выполнено в равновеликой проекции (например, ESRI:102022)
  • Линейный масштаб — квадратный корень из отношения плотностей
  • Страны масштабируются по частям (острова не «уплывают»)
  • Под анаморфозой видны настоящие границы
  • В названии карты сказано, чему пропорциональна площадь

Источники

  1. Non-Contiguous Cartograms / Axis Maps. — Текст : электронный // Cartography Guide : [сайт]. — URL: https://www.axismaps.com/guide/cartograms (дата обращения: 27.10.2026).
  2. Natural Earth : free vector and raster map data : [сайт]. — URL: https://www.naturalearthdata.com/ (дата обращения: 27.10.2026). — Текст : электронный.
  3. Folium : documentation : [сайт]. — URL: https://python-visualization.github.io/folium/latest/ (дата обращения: 27.10.2026). — Текст : электронный.

Конспект подготовлен по переводу руководства Cartography Guide © Axis Maps (лицензия CC BY-NC-SA 4.0) и распространяется на тех же условиях: с указанием авторства, в некоммерческих целях, с сохранением условий лицензии.